تناسب پژوهشی: چگونه علاقههای خود را با کار یک استاد همراستا کنیم
تناسب واقعاً یعنی چه
دو نفر میتوانند هر دو روی مغز کار کنند و هیچ حرفی برای گفتن به یکدیگر نداشته باشند. یکی از تکنورونهای قشر بینایی موش ثبت میگیرد تا بپرسد کنتراست چگونه کدگذاری میشود. دیگری روی انسانهایی که تکالیف استدلال اخلاقی انجام میدهند fMRI میگیرد. همان اندام، گاهی همان گروه آموزشی، و تقریباً هیچ کار روزمرهٔ مشترکی. اگر به نفر دوم ایمیل بزنید و بنویسید که مغز برایتان شگفتانگیز است، دقیقاً شبیه هر متقاضی دیگری به نظر میرسید و سکوتی که در پاسخ میگیرید حقتان است.
تناسب پژوهشی باریکتر از یک رشته است، و بسیار باریکتر از آنچه بیشتر متقاضیان فکر میکنند. این نیست که «هر دو در یادگیری ماشین هستیم». این نیست که «هر دو زیستشناسی مولکولی کار میکنیم». اینها دستهبندیاند، نه همپوشانی. تناسب واقعی یعنی یک پرسش مشترک، یک روش مشترک، یا یک شیوهٔ مشترک برای نزدیک شدن به یک مسئله. «هر دو به حافظه علاقه داریم» تناسب نیست. «هر دو برایمان مهم است که خواب چگونه حافظه را تثبیت میکند، و هر دو با همان نوع ثبتهای هیپوکامپی کار میکنیم که به شما اجازه میدهد بازپخش را همان لحظه ببینید» تناسب است. میتوانستید با آن شخص یک بحث مشخص داشته باشید. آزمون همین است: آیا شما دو نفر میتوانید فردا سر چیزی عینی، به شکلی سازنده اختلاف نظر داشته باشید؟
وقتی کمیتههای پذیرش و استادان از تناسب حرف میزنند، منظورشان همین است، حتی وقتی مبهم بیانش میکنند. آنها میپرسند که آیا شما در کاری که همین حالا در جریان است جا میافتید، یا غریبهای هستید که از بیرون ساختمان را تحسین میکند.
چرا تناسب از یک نام مشهور جلو میزند
استادان دانشجویانی را میپذیرند و بودجهشان را تأمین میکنند که با کارشان تناسب دارند، چون به آدمهایی نیاز دارند که بتوانند به پروژههای واقعیشان کمک کنند. هر گرنت اهدافی دارد. آن اهداف مهلت و خروجی مشخص دارند. وقتی استادی درخواست شما را میخواند، بخشی از ذهنش دارد یک پرسش صریح و عملی میپرسد: این آدم میتواند کمکم کند کاری را انجام دهم که از قبل به یک نهاد بودجهدهنده قولش را دادهام؟ دانشجویی که علاقههایش با یک پروژهٔ فعال همراستاست، پاسخ همان پرسش است. دانشجوی درخشانی که علاقههایش بیربط است، یک «شاید» است، یک شرطبندی، یک هزینهٔ بازآموزی در آینده.
پس تناسب شانس پذیرشتان را بالا میبرد. تقریباً هر چیز دیگری را هم که بعد از آن میآید بهتر میکند. روزبهروز راضیتر خواهید بود، چون چیزی که ساعت ۹ شب دارید رویش جان میکنید برایتان مهم است. پربارتر خواهید بود، چون لازم نیست مدام بین آنچه میخواهید انجام دهید و آنچه آزمایشگاه انجام میدهد ترجمه کنید. و توصیهنامههایتان قویتر خواهد بود، چون استادی که دیده شما کار مرتبط و خودجوش انجام میدهید میتواند سه پاراگراف مشخص بنویسد، در حالی که استادی که شما را روی چیزی که فقط تحملش میکنید راهنمایی کرده، تنها میتواند بنویسد که آدم قابلاعتمادی بودید.
حالا میرسیم به بخشی که آدمها در برابرش مقاومت میکنند. یک آزمایشگاه معتبر که در آن تناسبی ندارید، بدتر از آزمایشگاهی با نامی کوچکتر است که تناسب عالی دارید. آزمایشگاه مشهور یک خط به رزومهتان اضافه میکند و اغلب استاد راهنمایی که آنقدر سرش شلوغ است که پروژهٔ شما را فراموش میکند. آزمایشگاهِ با تناسب عالی استاد راهنمایی به شما میدهد که زیر دوش هم به مسئلهٔ شما فکر میکند و شما را به آن سه نفری در دنیا معرفی میکند که بیش از همه به شناختنشان نیاز دارید. پنج سال زمان زیادی است که آدم جایی بگذراند فقط به خاطر لوگو. من تقریباً همیشه تناسب واقعی را به اعتبار ترجیح میدهم، و این را کسی میگوید که زمانی خودش خیلی دلش لوگو را میخواست.
تناسب موضوعی و تناسب روشی دو چیز متفاوتاند
تناسب در دو جهت جریان دارد، و متقاضیان معمولاً فقط به یکی از آنها فکر میکنند. اولی موضوعی است: شما و استاد به پرسشها یا مسئلههای یکسانی اهمیت میدهید. هر دو میخواهید مقاومت آنتیبیوتیکی را بفهمید، یا انصاف در الگوریتمهای رتبهبندی را، یا اینکه رسوب ساحلی چگونه جابهجا میشود. دومی روشی است: هر دو از تکنیکها، ابزارها یا رویکرد یکسانی استفاده میکنید، یا میخواهید آن را یاد بگیرید. کرایو-EM. استنتاج علّی روی دادههای مشاهدهای. کار میدانی مردمنگارانهٔ بلندمدت. یادگیری تقویتی. پچکلمپ.
قویترین تناسبها معمولاً هر دو را دارند. به یک پرسش اهمیت میدهید و به یک شیوه کار میکنید. اما این را خوب بشنوید: تطابق روشی میتواند به اندازهٔ تطابق موضوعی مهم باشد، و گاهی مهمتر. آزمایشگاهها اغلب به مهارتی نیاز دارند که ندارند. آزمایشگاه علوم اعصابی که در دادههای تصویربرداری غرق شده، شاید بهشدت دنبال دانشجویی باشد که واقعاً بتواند پایپلاین تحلیل را بنویسد. یک گروه اقتصاد با گرایش سنگین به نظریه شاید کسی را بخواهد که بتواند یک آزمایش میدانی تمیز اجرا کند. در این موارد، روش شما همان تناسب است. شما همان قطعهٔ گمشدهاید و موضوع قابل مذاکره است.
اگر تا حالا احساس کردهاید در قفس گیر افتادهاید، این رهاییبخش است. شاید پژوهش دورهٔ کارشناسیتان روی موضوعی بوده که دیگر برایتان سرد شده، اما در یک تکنیک واقعاً خوب شدهاید. آن تکنیک یک در است. وقتی کار یک استاد را میخوانید، هر دو پرسش را بپرسید: آیا آنچه او میپرسد برایم مهم است، و آیا شیوهای را که با آن پاسخ میدهد از قبل بلدم یا بهشدت میخواهم یاد بگیرم؟ هر کدام میتواند راه ورود شما باشد. هر دو، جایی است که میخواهید در نهایت به آن برسید.
اول علاقههای خودتان را روشن کنید
بیشتر متقاضیان نمیتوانند علاقههایشان را با کمترین دقتی توصیف کنند، و این پیداست. مینویسند «من بهطور کلی به هوش مصنوعی و کاربردهایش علاقهمندم»، که هیچ چیزی به استاد نمیگوید و بیسروصدا خبر میدهد که نویسنده مطالعهای نکرده است. پیش از آنکه بتوانید با کسی تناسب پیدا کنید، باید بدانید چه چیزی واقعاً شما را به خودش میکشد.
در سراسر رشتهتان گسترده بخوانید، گستردهتر از آنچه درسهایتان مجبورتان کردهاند. بعد به واکنشهای خودتان توجه کنید. کدام پرسشها بعد از بستن مقاله رهایتان نمیکنند؟ کدام نتایج باعث شدند صاف بنشینید، و کدامها فقط شانه بالا انداختنتان را در پی داشتند، حتی وقتی قرار بود تحت تأثیر قرار بگیرید؟ یک آزمون مفید و کمی شرمآور: آخر هفته، بیهیچ دلیلی، وقتی هیچکس نمرهتان نمیدهد، چه میخوانید؟ برای من مقالههایی بود دربارهٔ اینکه حیوانات چطور زمان را تخمین میزنند، که هیچ ربطی به پروژهٔ محولشدهام نداشت و تمامش به چیزی مربوط بود که واقعاً میخواستم. آن نشانه از هر رتبهبندیای باارزشتر است.
به درس یا پروژهای فکر کنید که شما را شعلهور کرد، و دقیق بگویید چرا. پرسش بود، روش بود، آشفتگی دادههای واقعی بود، یا آن لحظهای که بالاخره یک مدل چیزی را پیشبینی کرد؟ بافت آن خاطره به شما میگوید چه نوع کاری میخواهید. و به خودتان اجازه دهید بهجای یک موضوع باریک، به خوشهای از چیزها علاقهمند باشید. تقریباً هیچکس با یک تمرکز لیزری واحد از راه نمیرسد، و آنهایی که ادعایش را دارند اغلب فقط هنوز آنقدر نخواندهاند که بدانند چه چیزهای دیگری آن بیرون هست. یک خوشهٔ منسجم مشکلی ندارد. «همه چیز» مشکل دارد.
چطور واقعاً کار یک استاد را بخوانیم
اشتباه اینجا مشهور است و راحت هم پیش میآید: پرارجاعترین مقالهٔ استاد را میخوانید، همان مقالهٔ ده سال پیش که نامش را ساخت، و کل حرفتان را دورش میچینید. این کار را نکنید. آزمایشگاهها بهمرور تغییر مسیر میدهند. کاری که کسی را مشهور کرده اغلب کاری نیست که حالا انجام میدهد، و شما قرار است همان «حالا» را انجام دهید. به آن کلاسیک قدیمی ارجاع بدهید و پیامتان این میشود که یک خلاصهٔ در حد ویکیپدیا را سرسری خواندهاید.
بهجایش، دو سه سال اخیر را بخوانید. گوگل اسکالرشان را باز کنید و بر اساس سال مرتب کنید، از جدیدترین. عنوانهای اخیر را بخوانید، بعد چکیدهها را، بعد دو تا از مقالهها را کامل. دارید تلاش میکنید پرسشهایی را بازسازی کنید که امسال میپرسند، و اینها همیشه همان پرسشهای روی وبسایت آزمایشگاه نیستند، چون وبسایتها بهروز نمیمانند. اگر میتوانید پیدا کنید، ببینید برای چه کاری بودجه گرفتهاند، از طریق پایگاههای دادهٔ گرنت یا بخش قدردانی مقالههای اخیر. بودجه به شما میگوید که آنها طبق قرارداد، برای چند سال آینده به چه چیزی مشتاقاند.
بعد کاری را بکنید که تقریباً هیچکس نمیکند: خروجی اخیر دانشجویانش را بخوانید. مقالههای نویسندهٔ اولِ دانشجویان دکتری فعلی، و اگر پیدایشان کردید پایاننامههای اخیر، به شما نشان میدهند آزمایشگاه واقعاً به کدام سمت میرود، نه اینکه بهترین کارهای PI کجا بوده. دانشجویان، لبهٔ جلو هستند. اگر ناگهان سه نفرشان روی چیزی کار میکنند که در کارهای قدیمیتر PI بهسختی دیده میشود، جهت واقعی همان است، و همان چیزی است که به آن ملحق میشوید. همین خواندن، بیسروصدا به شما میگوید که آیا آزمایشگاه فعال است و دارد رشد میکند، و این به پرسش جدا اما مرتبطِ اینکه اصلاً در این دورهٔ پذیرش دانشجو میگیرد یا نه وصل میشود. تناسب کامل با کسی که اصلاً جذب نمیکند، دلشکستگیای است که با ده دقیقه بررسی میتوانید از آن پرهیز کنید.
موضوع را دوست دارید یا کار روزمره را؟
این همان تمایزی است که آدمها را از دکتریهای عذابآور نجات میدهد، پس اینجا سرعتتان را کم کنید. دوست داشتن موضوع یک مقاله با خواستنِ اینکه سالها کار پشت آن را انجام دهید یکی نیست. مقاله، تیزر است. دکتری، فیلمبرداری است: همان صحنه چهل بار، تجهیزاتی که خراب میشوند، و کارگر صحنهای که زیر باران ایستاده.
خواندن یک نتیجه دربارهٔ اینکه مهاجرت پرندگان چگونه به تغییرات اقلیمی واکنش نشان میدهد هیجانانگیز است. کار روزمرهٔ پشتش شاید چهار هفته در سال باشد در یک دشت سرد، ساعت ۴ صبح، حلقهگذاری روی پرندگان با انگشتان بیحس، و یازده ماه تمیز کردن دادهٔ شمارش آشفته در یک صفحهگسترده. یک قضیه دربارهٔ محدودیتهای یک الگوریتم یادگیری روی کاغذ زیباست. تولیدش شبیه ماهها گیر کردن پای وایتبرد است، مرگ بیشتر ایدهها، و اثباتی که حاضر نیست بسته شود. یک اطلس تکسلولی خیرهکننده یعنی کسی آنقدر تفکیک سلولی و فیلتر کنترل کیفیت انجام داده که چشمانش تار شده.
با خودتان صادق باشید که کدام کار روزمره را میتوانید دوست داشته باشید، یا دستکم سالها تحملش کنید، نه فقط اینکه کدام نتایج را تحسین میکنید. نسخهٔ زشت پرسش را از خودتان بپرسید: در یک روز سهشنبه که هیچ چیز قابل انتشاری در افق نیست و دارم مکانیک خام روش این آزمایشگاه را انجام میدهم، حالم خوب است؟ اگر موضوعهای یک استاد به هیجانتان میآورد اما کار روزمرهاش شبیه بیگاریای است که از آن وحشت دارید، این تناسب نیست، هر قدر هم مقالهها را دوست داشته باشید. بهتر است همین حالا متوجه شوید تا سال سوم.
مسئلهٔ گلدیلاکس: همپوشانی بهعلاوهٔ یک چیز
تناسب یک نقطهٔ طلایی دارد، و میشود از هر دو طرف از دستش داد. زیادی دور بودن، شکست بدیهی است: هیچ همپوشانی واقعیای وجود ندارد، پس دارید از استاد میخواهید خطی از کار را راهنمایی کند که هرگز انجامش نداده و نمیتواند هدایتش کند. اسماً دانشجوی او میشوید و عملاً شاگرد هیچکس. این معاملهٔ بدی است برای هر دوی شما.
زیادی نزدیک بودن، شکستی است که هیچکس آمدنش را نمیبیند. اگر علاقهها و مهارتهایتان کپی دقیق چیزی باشد که آزمایشگاه از قبل دارد، شما اضافی هستید. چیزی نمیآورید که آنها از قبل نداشته باشند. استادی که سه دانشجو دارد که کار ساختاری میکنند، فوریتی برای نفر چهارمی ندارد که همان کار را بدون هیچ زاویهٔ تازهای انجام دهد. همپوشانی میخواهید، بله، اما همپوشانی بهعلاوهٔ یک چیز.
نقطهٔ طلایی یعنی زمین مشترک واقعی بهعلاوهٔ سهمی که فقط شما اضافه میکنید. شاید پرسشتان مشترک باشد اما روشی بیاورید که آنها ندارند. شاید روشتان مشترک باشد اما بخواهید آن را به سمت مسئلهٔ تازهای بگیرید که آنها دست نزدهاند. شاید درست روی درز میان کار آنها و رشتهٔ همسایهای بنشینید که خوب میشناسیدش. آن «همپوشانی بهعلاوه» را پیدا کنید و بعد در یک جمله بلند بگوییدش: من روی همان مسئلهای کار میکنم که شما کار میکنید، و همان سمت محاسباتی را میآورم که مقالههای اخیرتان میگوید برونسپاریاش کردهاید. آن جمله از یک صفحه تحسین باارزشتر است، چون دقیقاً به استاد میگوید چرا آزمایشگاهش با حضور شما بهتر میشود. اگر هنوز دارید فهرست کسانی را میچینید که اصلاً سراغشان بروید، راهنمای ما دربارهٔ چگونه استاد راهنمای دکتری پیدا کنیم ساختن آن فهرست کوتاه را پیش از رسیدن به این مرحله توضیح میدهد.
بیانش در انگیزهنامه و ایمیلهایتان
همهٔ آنچه گفته شد نامرئی است مگر بتوانید روی کاغذ بیاوریدش، و راهش این است که آنقدر مشخص باشید که تا مرز ناراحتی پیش بروید. تعریف مبهم، نشانهٔ کسی است که کار را نخوانده. «من تحسینکنندهٔ مشارکتهای پیشگامانهٔ شما در این حوزه هستم» را میشود در هر درخواستی روی کرهٔ زمین کپی کرد، و استادان ده هزار بار دیدهاندش. مثل نویز خوانده میشود.
مشخص بودن یعنی نام بردن از مقاله، ایده، و پیوند عینی. جملهای بنویسید که فقط کسی میتواند بنویسد که واقعاً کار را خوانده باشد. نه «پژوهش شما دربارهٔ مدلهای زبانی مرا مجذوب کرده»، بلکه «مقالهٔ ۲۰۲۴ شما دربارهٔ واقعنمایی تقویتشده با بازیابی استدلال میکرد که مبناگذاری، توهم را کم میکند اما به روانی متن آسیب میزند، و من تابستان گذشته را صرف ساختن ارزیابیای کردم که شاید بتواند این دو اثر را از هم جدا کند». آن جمله ثابت میکند خواندهاید، ثابت میکند ایدهٔ خودتان را دارید، و جایی را پیشنهاد میدهد که میتوانید در آن جا بیفتید. سه کار را در یک نفس انجام میدهد.
همین قاعده بر ایمیل تماس اولیهتان هم حاکم است، جایی که حتی کمتر از توجه خواننده را در اختیار دارید. با پیوند مشخص شروع کنید، نه با چاپلوسی. یک جملهٔ واقعی و مستند دربارهٔ کار اخیرشان و اینکه کار شما کجا با آن به هم میرسد، از سه پاراگراف «آزمایشگاه الهامبخش شما» بهتر است. اگر کالبدشکافی کامل پیامی را میخواهید که جواب میگیرد، ما یک نوشتهٔ کامل دربارهٔ چگونه به یک استاد ایمیل بزنیم نوشتهایم، اما هستهٔ ماجرا همان چیزی است که در انگیزهنامه گفتیم: نشان دهید، تعریف و تمجید نکنید. کاری کنید پیش از آنکه خط دومتان تمام شود، فکر کنند این آدم واضح است که مقالههای مرا خوانده.
تناسب با آزمایشگاه، نه فقط با یک نفر
شما با یک استاد ازدواج نمیکنید. به یک اکوسیستم ملحق میشوید، و گاهی تناسب واقعی در همان اکوسیستم زندگی میکند، نه در تنها نامی که روی در است. PIای که مقالههای خودش فقط نیمی با شما جور است، شاید با کسی همراهنما باشد که کارش کاملاً با شما جور است. آزمایشگاه شاید همکاری در انتهای همان راهرو داشته باشد که دقیقاً همان روشی را اجرا میکند که شما میخواهید. جهت جمعی گروه، که به همان اندازه که PI تعیینش میکند، دانشجویان سالبالا و پسادکتراها هم تعیینش میکنند، شاید به سمتی برود که انتشارات انفرادی PI هنوز به آن نرسیدهاند.
آزمایشگاه را بهعنوان یک کل بخوانید. چه کسی با چه کسی مقاله منتشر میکند. کل گروه دارد به کدام سمت میرود. و فرهنگش را هم بخوانید، چون تناسب یک بُعد انسانی هم دارد. یک آزمایشگاه میتواند از نظر موضوعی درست وسط هدف باشد و از نظر شخصی یک فاجعه، اگر با هفتههای هشتادساعته بچرخد و شما به زندگی نیاز داشته باشید، یا اگر ساکت و منفرد باشد و شما به همکار نیاز داشته باشید. اگر میتوانید، با دانشجویان فعلی حرف بزنید. بپرسید یک هفتهٔ عادی چه شکلی است، نه اینکه خلاصهٔ بهترین لحظهها چه شکلی است. پرسش فرهنگ آرامتر از پرسش موضوع است، و دکتریهای بیشتری را نابود میکند.
گاهی علاقههای شما واقعاً روی دو استاد گسترده است، و این چیز رایجی است و میتواند نقطهٔ قوت باشد. یک زاویهٔ میانرشتهای یا یک ترتیب رسمی همراهنمایی میتواند شما را دقیقاً در همان تقاطعی بگذارد که برایتان مهم است، با دو نفر که رویتان سرمایهگذاری کردهاند. اما دربارهٔ هزینهاش واقعبین باشید. دو استاد راهنما میتواند یعنی دو دسته انتظار که با هم جور نیستند، دو سبک جلسه، و لحظههایی که هر کدام فکر میکند آن یکی دارد به شما رسیدگی میکند. همراهنمایی وقتی فوقالعاده است که آن دو نفر از قبل با هم همکاری و به هم احترام دارند، و وقتی بهسختی با هم حرف میزنند، یک فرسایش کند است. پیش از آنکه ثبتنام کنید، بپرسید آن دو واقعاً چطور با هم کار میکنند.
شما تغییر میکنید، پس گستره و یک جملهٔ صادقانه را انتخاب کنید
علاقههای شما در طول دکتری جابهجا میشوند. مال من دو بار جابهجا شد، و هر کسی را که میشناسم همین داستان را دارد. پرسشی که با وسواس نسبت به آن از راه میرسید، شاید تا سال دوم خستهتان کند، چون چیزهایی یاد میگیرید که قابِ اینکه اصلاً چه چیزی ارزش پرسیدن دارد را عوض میکنند. این برای شیوهٔ انتخابتان یک نتیجهٔ مستقیم دارد. روی موضوعی فوقالعاده باریک لنگر نیندازید که ممکن است از آن خسته شوید. روی حوزهای گستردهتر لنگر بیندازید که واقعاً دوستش دارید، زیر نظر کسی که گستره دارد، کسی که اگر پرسش مشخصتان جابهجا شد باز هم بتواند خوب راهنماییتان کند. از خودتان بپرسید: اگر پرسش دقیقم عوض میشد، باز هم میخواستم با این آدم کار کنم؟ اگر پاسخ صادقانه نه است، تناسب شکنندهتر از آن است که به نظر میرسد.
به همین دلیل هم گستره در یک استاد از باریکبینی بهتر است. کسی که در گسترهٔ مرتبطی از مسئلهها مقاله منتشر کرده، میتواند همراه تحول شما بیاید. کسی که به یک روش باریک جوش خورده، شاید نتواند، و آن وقت یک جابهجایی در علاقههایتان بهجای یک قدم طبیعی، به یک بحران تبدیل میشود. آدمی و خانهای میخواهید که مجبور نباشید فقط به این دلیل که رشد کردهاید ترکش کنید.
تناسب کامل نادر است، و دنبالش دویدن فقط مضطربتان میکند. بهجایش هدفتان همپوشانی قوی، واقعی و مشخص باشد، بهعلاوهٔ آن چیز اضافهای که فقط شما میآورید. و آزمون واقعی اینکه آن را دارید یا نه این است: میتوانید تناسب را در یک جملهٔ درست توضیح دهید، با نام بردن از پرسش یا روش مشترک و آنچه اضافه میکنید، بدون حتی یک کلمه پرکننده؟ اگر بتوانید آن جمله را بگویید و واقعاً منظورتان همان باشد، چیزی پیدا کردهاید که ارزش درخواست دادن دارد. این هم دقیقاً همان کاری است که ابزارهایی مثل اپکس اپلای برای کمک به آن ساخته شدهاند: تطبیق علاقههایی که توصیف کردهاید با استادانی که پژوهش فعلیشان واقعاً همراستاست و گفتن اینکه چرا هر کدام تناسب دارند، بهجای تطبیق کلیدواژهها و تمام کردن ماجرا. اما آن جمله را باید خودتان به دست بیاورید. کار اخیر را بخوانید، دربارهٔ کار طاقتفرسای روزمره صادق باشید، همپوشانی بهعلاوهٔ یک چیزتان را پیدا کنید، و ساده بنویسیدش. اگر بتوانید این کار را بکنید، از بیشتر آن انبوه جلوتر هستید.